基于深度信息探测的三维动作重建与分析

设计了一套基于深度信息探测的具有三维动作捕捉、动作重建、动作分析功能的大众体育运动示教系统。动作捕捉方面,借助微软的深度探测平台Kinect,测算人体骨骼关键节点数据,并将其转换至与人体模型骨骼层次相匹配。动作重建方面,将由MakeHuman导入的个性化人体模型与捕获的骨骼动作数据有机地结合,以人体骨骼动画方式重建三维动作。动作分析方面,提出了直接比对法和切片匹配法用于动作比对。综合运用上述技术,所设计的示教系统能较精确地重现人体的三维动作并对学员的动作缺陷给出合理的提示。

基于Kinect三维行动重建应用于传统武术教学训练研究

在传统武术教学训练中,运动技能学习可以通过视频观察模仿学习与练习在目标运动中的行为来促进运动技能学习。当学习者使用视频图像观察动作时,视点改变函数是可取的。然而,一般来说,观察的视点改变是不可能的,因为大多数视频是使用单一摄像机从固定点拍摄的。本研究的目的是开发一种方法,从单个图像中生成模拟仿真人体运动的3D人体模型,并能够从任何角度观察虚拟练习者众所周知,的行为。作为第一步,本研究以传统武术训练为重点,开发了一种半自动的传统武术拳击视频图像的三维重建方法。

基于视频帧连贯信息的3维人体姿势优化估计方法

针对基于视频的3维人体姿态估计问题,传统方法是先估计出每帧图像中的3维人体姿态,再将估计结果按帧序排列,获得视频中的3维人体姿态.这种方法没有考虑连续帧间人体动作的连贯性,以及人体关节连接的空间一致性,估计结果中常会出现人体的高频抖动及动作的较大偏差.针对该问题,提出一种基于视频帧连贯信息的3维姿态优化估计方法.首先利用2维姿势估计结果优化人体3维关节点坐标,以减少抖动;其次引入前后帧关节点运动的逆向与正向预测,以保持动作连贯性;最后,加入骨骼连接约束,建立可保持人体动作轨迹光滑且优化前后关节连接结构一致的模型,实现对3维人体姿态的精确估计.在公共数据集MPI-INF-3DHP上的测试结果显示,与基准3维姿态估计方法相比,本文方法估计的关节点平均误差降低3.2%.在公共数据集3DPW上的测试结果显示,与未优化情形相比,加速误差降低44%.